Classification des signaux ECG en utilisant l’intelligence artificielle
Des informations générales:
Master Académique |
Le niveau |
Classification des signaux ECG en utilisant l’intelligence artificielle |
Titre |
| Automatique et informatique industrielle |
SPECIALITE |
Page de garde:
Sommaire:
Introduction générale
CHAPITRE I: SYNTHESE BIBLIOGRAPHIQUE
Introduction
I.1. Anatomies de cœur
I.2. Types de circulation sanguine : une circulation pulmonaire et systématique
I.2.1. La circulation pulmonaire
I.2.2. La circulation systémique
I.3. Activité mécanique cardiaque
I.3.1. La systole auriculaire
I.3.2. La contraction ventriculaire isovolumique
I.3.3. La systole ventriculaire
I.3.4. La diastole
I.3.5. La relaxation ventriculaire
I.3.6. La phase de repos
I.4. La conduction électrique du cœur
I.4.1. Le nœud sinusal (NS)
I.4.2. Le nœud auriculo-ventriculaire (NAV)
I.4.3. Le faisceau de His
I.4.4. Les fibres de Purkinje
I.5. La dépolarisation
I.6. La repolarisation
I.7. L’Électrocardiogramme (ECG)
I.7.1. Dérivations bipolaires des membres
I.7.2. Dérivations unipolaires des membres
I.8. Ondes et Intervalles de L’ECG
I.8.1. L’onde P
I.8.2. Le complexe QRS
I.8.3. L’onde T
I.8.4. L’intervalle RR
I.8.5. Le segment ST
I.8.6. L’intervalle PQ
I.8.7. L’intervalle QT
I.9. Troubles du rythme et de la conduction cardiaque
I.9.1. Rythme sinusal
I.9.2. Blocs cardiaques
I.9.3. Bloc Sino-Auriculaire (Bloc SA)
I.9.4. Bloc auriculo-ventriculaire
I.9.5. Blocs de branche
I.10. Les arythmies cardiaques
I.10.1. Arythmies supra ventriculaires
Arythmies ventriculaires
CHAPITRE II: Réseaux de neurones
II.1. 1.Intelligence artificielle
II.1.1. 1.1 Application de l’intelligence artificielle
II.2. Apprentissage automatique
II.2.1. Apprentissage automatique automatisé
II.3. Les types d’apprentissage des réseaux de neurones
II.3.1. APPRENTISSAGE SUPERVISE
II.3.2. L’apprentissage non supervisé
II.4. Apprentissage automatique dans les applications médicales
II.5. Les réseaux de neurones
II.5.1. Réseau de neurones supervisé
II.5.2. Réseau de neurones non supervisé
II.5.3. Réseau de neurones renforcé
II.6. Réseau neuronal biologique
II.7. Structures de réseaux neuronaux profonds
II.8. CNN
II.8.1. La couche de convolution
II.8.2. Stride
II.8.3. Domaines d’application CNN
II.8.4. L’entraînement d’un nouveau CNN
CHAPITRE III : Simulation et Résultat
Introduction
III.1. La base de données utilisée
III.2. Prétraitement de données
III.2.1. Classifcation binaire
III.2.2. Classification multi classe
III.2.3. Aperçu sur la base de données
III.3. Présentation des outils utilisés
III.3.1. Outils logiciels
III.4. Organigramme
III.4.1. Charger les bibliothèques nécessaires
III.4.2. Importe dataset
III.4.3. Valeur de chaque classe
III.4.4. peek on classes
III.5. Result
III.5.1. Plotting Classes ECG
III.5.2. CNN Training
III.5.3. Accuracy &loss
III.5.4. Save model
III.5.5. Test le model
CONCLUSION ET PERSPECTIVES
Conclusion et perspectives
REFERENCES BIBLIOGRAPHIQUES
Télécharger:
Pour plus de sources et références universitaires (mémoires, thèses et articles ), consultez notre site principal.